Estimativa da temperatura-emissividade de alvos com base em regressões de dados de sensoriamento remoto proximal

Abstract

O infravermelho termal (TIR - Thermal InfraRed) é uma porção do espectro eletromagnético com várias aplicações no Sensoriamento Remoto (SR), tais como: geologia, climatologia, análises de processos biológicos, análises geofísicas, avaliação de desastres e detecção de mudanças, entre outras. No TIR a emissão de radiação dos alvos é uma função não linear de duas variáveis, a emissividade e a temperatura do alvo, e a principal dificuldade é calcular/estimar tais variáveis separadamente e de forma confiável. Vários métodos foram desenvolvidos nas últimas décadas para mitigar esta indeterminação, mas independente do método todos tem a mesma deficiência, são desenvolvidos para aplicações específicas como o tipo de sensor, tipo de estudo, o alvo em análise, o número de alvos, tipo de clima, entre outros. Desta forma, o método a ser aplicado depende do estudo em questão, e para obter melhores resultados deve-se escolher o método que melhor se aplica ao problema estudado pelo analista. Neste trabalho, se propõe uma abordagem alternativa para estimar a temperatura e, portanto, a emissividade de um alvo em particular. A abordagem consiste em gerar regressões, em determinados comprimentos de onda, a partir da função linearizada da radiância para dados de laboratório de uma amostra de quartzo em diferentes temperaturas, medida sob condições controladas de humidade e temperatura do ambiente. As regressões visam modelar a variação na temperatura devido as variações na radiância do alvo, de modo a estimar a temperatura a partir da radiância em determinado comprimento de onda e sem o conhecimento prévio da emissividade do alvo. Os dados de laboratório foram divididos em dois grupos, treinamento e controle, no grupo de treinamento várias regressões polinomiais foram aplicados enquanto os dados de controle serviram para validar e avaliar as regressões. Foram realizados 5 experimentos: 1) dados de laboratório em comprimentos de onda específicos, 2) nos comprimentos de ondas centrais das bandas TIR-ASTER, 3) nas simulações das bandas TIR-ASTER, 4) com a simulação da atmosfera (seca e úmida) para as bandas simuladas TIRASTER e 5) numa imagem L1B TIR-ASTER da região de estudo e validado com o produto AST08. Como resultado, foi possível estimar a temperatura com erros menores que 0.2K para os dados de laboratório e com erro médio menor que 1.5K para imagens LIB TIR-ASTER. Além disso, o método requer apenas uma banda espectral na imagem, viabilizando sua aplicação em sensores termais monoespectrais. Resultados satisfatórios foram obtidos com uma regressão linear simples, e melhoram ao aumentar o comprimento de onda. No entanto, aumentando o comprimento de onda e, simultaneamente, o grau do polinômio da regressão os resultados também melhoram com relação a regressão linear, porém não são significativos, e desta forma o ajuste linear é a melhor opção. Desta forma, o método proposto se mostrou promissor, sinalizando que futuras pesquisas são necessárias.

The thermal infrared (TIR) is a portion of the electromagnetic spectrum with multiple remote Sensing applications in the field of geology, climatology, biological processes analysis, geophysical analysis, disaster assessment, change detection and many others. In TIR, radiation emission of the target is a nonlinear function of two unknowns – the emissivity and the temperature, and the main difficulty is to calculate/estimate these two variables separately and reliably. Several methods have been developed in the recent decades to mitigate this problem. However, regardless of the method, all have developed similar incapacities for specific applications such as the type of sensor, study type, the target in question, the number of targets, type of weather, among others. Thus, the method to be applied depends on the study in question and the best results can be reached choosing the best fit method for that problem. In this work, we propose an alternative approach for estimating the temperature, and therefore the emissivity, of a particular target. The approach consists of generating statistical regressions in some wavelengths from linearized radiance function of laboratory data from a quartz sample at different temperatures, measured under controlled conditions of humidity and room temperature. The aim of regressions is to model the variation in temperature due to the variations in the radiance of the target in order to estimate the temperature from radiance data on a certain wavelength and without prior knowledge of the target emissivity. Laboratory datasets were divided into two groups - training and control. In the training group, several polynomial regressions were applied while the control group served to validate and evaluate the regressions. Five experiments were performed: (1) laboratory data at specific wavelengths (2) the central wave lengths of ASTER-TIR bands (3) simulations of ASTER-TIR bands (4) simulation of the atmosphere (dry and wet) for simulated bands of ASTER-TIR and (5) an image L1B ASTER-TIR of the study area validated with the AST08 product. As a result, it was possible to estimate the temperature with errors less than 0.2K from laboratory data and with mean error less than 1.5K from L1B ASTER-TIR images. Furthermore, the method requires only a spectral band in the image, enabling their application in monospectral thermal sensors. Satisfactory results were obtained with a simple linear regression and improved by increasing the wavelength. However, increasing the wavelength and, simultaneously, the degree of polynomial regression the results also improve with respect to linear regression results, but this improvement is insignificant, and thus the linear fit is the best option. Thus, the proposed method has shown promise, signaling that further research is needed.